CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تشخیص بهبود سرطان ریه با استفاده از داده کاوی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۲۴۲ | نظرات: ۱
سال انتشار: ۱۳۹۵
کد COI مقاله: NPECE01_141
زبان مقاله: فارسی
حجم فایل: ۳۳۰.۱۲ کلیوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تشخیص بهبود سرطان ریه با استفاده از داده کاوی

  زهره زرین قلمی - عضو هیات علمی گروه مهندسی کامپیوتر دانشکده برق کامپیوتر و مکانیک دانشگاه ایوان کی
  شیدا غضنفری - دانشجوی کارشناسی مهندسی فناوری اطلاعات دانشکده برق کامپیوتر و مکانیک دانشگاه ایوان کی

چکیده مقاله:

استفاده از داده کاوی در پزشکی یکی از تکنیک های پرکاربرد داده کاوی محسوب می شود که نقش حیاتی در سلامت دارد و منجر به کشف دانش جدید سودمند و ماندگار در پایگاه داده ها می شود امروزه بخش سلامت و پزشکی بیشترین نیاز را به داده کاوی پیدا کرده و حرکت از پزشکی سنتی به سمت پزشکی مبتنی بر شواهد از جمله مواردی است که می تواند موکد این امر باشد زیرا هنگامی که تعداد پارامتر ها در تشخیص بیماری زیاد می شود ممکن است تشخیص بیماری حتی برای یک متخصص خبره پزشکی نیز به سختی امکان پذیر باشد همین دلیل موجب شده که در چند دهه اخیر از ابزارهای تشخیص کامپیوتری با هدف کمک به پزشکی با استفاده از ابزارها احتمال بروز خطاهای احتمالی ناشی از خستگی و یا بی تجربگی فرد را کاهش دهد سرطان ریه یکی از رایج ترین سرطان ها در بین مردم است که در این مقاله سعی شده با استفاده از تکنیک های داده کاوی به تشخیص سرطان ریه پرداخته تا بتوان اطلاعات را در کمترین زمان با جزئیات بیشتر و دقیق تر در اختیار پزشک قرار داد

کلیدواژه‌ها:

سرطان ریه،پزشک،الگوریتم ژنتیک،بیمار،داده کاوی،درخت تصمیم

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NPECE01-NPECE01_141.html
کد COI مقاله: NPECE01_141

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
زرین قلمی, زهره و شیدا غضنفری، ۱۳۹۵، تشخیص بهبود سرطان ریه با استفاده از داده کاوی، اولین کنفرانس بین المللی چشم انداز های نو در مهندسی برق و کامپیوتر، تهران، کنفدراسیون بین المللی مخترعان جهان (IFIA)،  دانشگاه جامع علمی کاربردی، https://www.civilica.com/Paper-NPECE01-NPECE01_141.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (زرین قلمی, زهره و شیدا غضنفری، ۱۳۹۵)
برای بار دوم به بعد: (زرین قلمی و غضنفری، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • امینی، ف. (۱۳۹۰)، "بررسی الگوهای موجود در علائم مرتبط با ...
  • محمدی، ز. (۱۳۹۲)، "داده کاوی وکاربرد آن درتشخیص بیماری ها ...
  • Bali, R. K. (Ed.). (2005). "Clinical knowledge management: opportunities and ...
  • میرشفیعی، س.س. (۱۳۹۲)، " بررسی تکنیک های داده کاوی در ...
  • حقیر چهرقانی، م. (۱۳۹۰)، "بررسی و مقایسه الگوریتمهای ساده بیزی"، ...
  • پاک نژاد، ا.. (۱۳۹۱)، "سرطان ریه و علائم آن "، ...
  • ارایهیک مدل مبتنی بر سیستم فازی جهت تشخیص سرطان ریه [مقاله کنفرانسی]
  • Zubi, Z. S., & Saad, R. A. (2011, February). "Using ...
  • Krishnaiah, V., Narsimha, D. G., & Chandra, D. N. S. ...
  • Ahmed, K., Ab dullah-Al -Emran, A. A. E., Jesmin, T., ...
  • حسین زاده، ف، ابراهیمی، م، شم آبادی، ن و گلیایی، ...
  • علم سنجی و رتبه بندی مقاله

    1.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 0
    4 0
    3 0
    2 0
    1 1
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۴۶۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.